ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Data Analysis with R [Book + Code]

دانلود کتاب تجزیه و تحلیل داده ها با R [کتاب + کد]

Data Analysis with R [Book + Code]

مشخصات کتاب

Data Analysis with R [Book + Code]

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1785288148, 9781785288142 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 28 مگابایت

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 23


در صورت تبدیل فایل کتاب Data Analysis with R [Book + Code] به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل داده ها با R [کتاب + کد] نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل داده ها با R [کتاب + کد]



ویژگی های کلیدی

  • بارگیری، دستکاری و تجزیه و تحلیل داده ها از منابع مختلف
  • به دست آوردن درک عمیق تر از اصول آمار کاربردی
  • یک راهنمای عملی برای انجام تجزیه و تحلیل داده ها در عمل

توضیحات کتاب

که اغلب ابزار انتخابی برای دانشگاهیان است، R عمیقاً در بخش خصوصی گسترش یافته است و می توان آن را در خطوط لوله تولید یافت. در برخی از پیشرفته ترین و موفق ترین شرکت ها. قدرت و ویژگی دامنه R به کاربر اجازه می دهد تا تحلیل های پیچیده را به راحتی، سریع و مختصر بیان کند. با بیش از 7000 بسته ارائه شده توسط کاربر، یافتن پشتیبانی برای جدیدترین و بهترین الگوریتم‌ها و تکنیک‌ها آسان است.

شروع با اصول اولیه R و استدلال آماری، تجزیه و تحلیل داده‌ها با R به تجزیه و تحلیل‌های پیش‌بینی پیشرفته می‌پردازد و نشان می‌دهد که چگونه برای به کار بردن این تکنیک‌ها در داده‌های دنیای واقعی، هرچند با مثال‌های دنیای واقعی.

این کتاب مملو از مسائل و تمرین‌های جذاب، با مروری بر R و نحو آن آغاز می‌شود. از آنجا، با اصول آمار کاربردی آشنا شوید و بر روی این دانش بسازید تا تجزیه و تحلیل های پیچیده و قدرتمندی را انجام دهید. مشکلات مربوط به انجام تجزیه و تحلیل داده ها را در عمل حل کنید و راه حل هایی برای کار با داده های نامرتب، داده های بزرگ، برقراری ارتباط نتایج و تسهیل قابلیت تکرار پیدا کنید.

این کتاب به گونه ای مهندسی شده است که در بسیاری از مراحل هر فردی منبعی ارزشمند باشد. کار به عنوان یک تحلیلگر داده.

آنچه یاد خواهید گرفت

  • محیط R را هدایت کنید
  • رفتار داده ها و روابط بین داده ها را توصیف و تجسم کنید< /li>
  • درکی کامل از استدلال آماری و نمونه گیری به دست آورید
  • از آزمون های فرضیه برای استنتاج از داده های خود استفاده کنید
  • یادگیری روش های بیزی برای تخمین پارامترها
  • برای پیش‌بینی متغیرهای پیوسته رگرسیون انجام دهید
  • استفاده از روش‌های طبقه‌بندی قدرتمند برای پیش‌بینی داده‌های طبقه‌بندی شده
  • داده‌های از دست رفته را با ظرافت با استفاده از انتساب چندگانه مدیریت کنید
  • نقاط داده‌ای مشکل‌ساز را شناسایی و مدیریت کنید< /li>
  • از موازی سازی و Rcpp استفاده کنید تا تجزیه و تحلیل های خود را به داده های بزرگتر مقیاس دهید
  • بهترین p را قرار دهید برای آسان‌تر کردن کار شما و تسهیل قابلیت تکرار

درباره نویسنده

تونی فیشتی یک دانشمند داده در کالج فکتوال است. او می‌تواند هر روز از R برای ایجاد رتبه‌بندی شخصی و سیستم‌های توصیه‌کننده استفاده کند. او فارغ‌التحصیل علوم شناختی از موسسه پلی‌تکنیک Rensselaer بود و پایان‌نامه‌اش به شدت بر استفاده از آمار برای مطالعه حافظه کوتاه‌مدت بصری متمرکز بود.

تونی از نوشتن و مشارکت در نرم‌افزار منبع باز، وبلاگ‌نویسی در onthelambda.com لذت می‌برد. ، نوشتن در مورد خود به صورت سوم شخص و به اشتراک گذاشتن دانش خود با استفاده از زبان ساده و قابل دسترس و مثال های جذاب.

فعالیت های سنتی هیجان انگیزتر روزانه او شامل گوش دادن به آهنگ ها، نواختن گیتار و باس (ضعیف) است. تمرین با وزنه و کمک به دیگران.

فهرست مطالب

  1. RefresheR
  2. شکل داده
  3. توصیف روابط</ li>
  4. احتمال
  5. استفاده از داده ها برای استدلال درباره جهان
  6. آزمایش فرضیه ها
  7. روش های بیزی
  8. پیش بینی متغیرهای پیوسته
  9. li>
  10. پیش بینی متغیرهای طبقه بندی شده
  11. منابع داده
  12. برخورد با داده های آشفته
  13. برخورد با داده های بزرگ
  14. تکرار پذیری و بهترین تمرینات

توضیحاتی درمورد کتاب به خارجی

Key Features

  • Load, manipulate and analyze data from different sources
  • Gain a deeper understanding of fundamentals of applied statistics
  • A practical guide to performing data analysis in practice

Book Description

Frequently the tool of choice for academics, R has spread deep into the private sector and can be found in the production pipelines at some of the most advanced and successful enterprises. The power and domain-specificity of R allows the user to express complex analytics easily, quickly, and succinctly. With over 7,000 user contributed packages, it's easy to find support for the latest and greatest algorithms and techniques.

Starting with the basics of R and statistical reasoning, Data Analysis with R dives into advanced predictive analytics, showing how to apply those techniques to real-world data though with real-world examples.

Packed with engaging problems and exercises, this book begins with a review of R and its syntax. From there, get to grips with the fundamentals of applied statistics and build on this knowledge to perform sophisticated and powerful analytics. Solve the difficulties relating to performing data analysis in practice and find solutions to working with messy data , large data, communicating results, and facilitating reproducibility.

This book is engineered to be an invaluable resource through many stages of anyone's career as a data analyst.

What you will learn

  • Navigate the R environment
  • Describe and visualize the behavior of data and relationships between data
  • Gain a thorough understanding of statistical reasoning and sampling
  • Employ hypothesis tests to draw inferences from your data
  • Learn Bayesian methods for estimating parameters
  • Perform regression to predict continuous variables
  • Apply powerful classification methods to predict categorical data
  • Handle missing data gracefully using multiple imputation
  • Identify and manage problematic data points
  • Employ parallelization and Rcpp to scale your analyses to larger data
  • Put best practices into effect to make your job easier and facilitate reproducibility

About the Author

Tony Fischetti is a data scientist at College Factual, where he gets to use R everyday to build personalized rankings and recommender systems. He graduated in cognitive science from Rensselaer Polytechnic Institute, and his thesis was strongly focused on using statistics to study visual short-term memory.

Tony enjoys writing and and contributing to open source software, blogging at onthelambda.com, writing about himself in third person, and sharing his knowledge using simple, approachable language and engaging examples.

The more traditionally exciting of his daily activities include listening to records, playing the guitar and bass (poorly), weight training, and helping others.

Table of Contents

  1. RefresheR
  2. The Shape of Data
  3. Describing Relationships
  4. Probability
  5. Using Data to Reason About the World
  6. Testing Hypotheses
  7. Bayesian Methods
  8. Predicting Continuous Variables
  9. Predicting Categorical Variables
  10. Sources of Data
  11. Dealing with Messy Data
  12. Dealing with Large Data
  13. Reproducibility and Best Practices




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی